多源图原型对比网络

异构网络通用适配

用局部与全局原型对齐不同图分布，并动态平衡多源域权重，使跨网络节点分类更稳健。

沈笑 · Chuanyun, Lin · 80393392 · Junwei, Gong · Xi, Zhou

Pattern Recognition 2026

技术优势

多源域同时适配

引入节点级和域级可迁移性权重，动态控制不同源图对目标节点和整个目标图的影响。

类内一致性增强

局部原型图对比域适应将不同图中同一类别的原型对齐，从而增强类内一致性。

类间混淆降低

全局原型图对比域适应推开不同类别的原型，减少类间混淆。

应用场景

• 图结构化数据跨域学习：将多源图知识迁移到目标图，提升节点分类精度。
• 工业场景跨网络适配：在工业网络中利用多个相关源网络提升目标网络节点分类。
• 社交网络用户迁移：利用多社交网络的用户数据迁移，识别目标网络用户属性。
• 推荐系统冷启动：借助多源网络知识为冷启动用户或物品提供推荐。